招聘标准与面试

给要面 FDE 岗、或者要面试别人的人。这一页先说各家公开可查的门槛与面试形式（并标明每条的证据强度），再给一份按四维能力组织的 30 题题库。

零、先看证据强度分级

FDE 的面试信息里有大量二手转述。本页每条信息都标一个等级，请按等级取用：

等级	含义	本页示例
🟢 一手	公司官方招聘页、官方博客、当事人署名叙述	Palantir / OpenAI / Anthropic 的 JD 原文；Palantir 官方博客；Nabeel Qureshi 的博客与播客
🟡 可溯源的转述	培训机构、媒体基于公开信息的整理，能点开核对	面试备考平台对 loop 的拆解；课程大纲里的题库描述
🔴 匿名/无法核实	论坛、匿名爆料、机构营销话术	本页明确标注，且不作为结论依据
⬜ 未获取	本轮调研没有取到可核实的公开材料	直接写「未获取」，不推测、不补全

候选人视角的同一套标注见 ../08-career/interview-prep.md，两页用同一个四档口径，方便对照阅读。

一、Palantir：形式最稳定、公开信息最多的一家

1.1 两条通道，两套门槛 🟢

• FDSE（Delta）：要过完整的软件工程师面试，候选人通常是 CS 科班，因为进现场就要真刀真枪写代码搭方案。
• Deployment Strategist（Echo）：技术面较轻，重点考数据推理、社交动态导航（在大组织里找到路）、高管沟通。

（来源：Nabeel Qureshi 在 Lenny's Podcast 的口述，2025-05-11；他 2015 年以 FDE 身份入职、在职八年，离职时职务为 Enterprise Lead）

一个可核对的旁证：2026-09-06 Palantir 公开招聘页上，Deployment Strategist 有 Internship 和 New Grad 岗，FDSE 没有。DS 是有应届入口的，FDSE 不是。

1.2 Decomposition（技术分解）是分水岭 🟢

Palantir 官方博客里，纽约的 Elisa 把 Delta 的第一项核心技能写成：

Technical decomp——拿到一个高层次的业务问题，能层层分解并设计方案，从业务问题一路理解到解决它所需的每一行代码。

另两项是「自主性 + 强技术直觉」和「思辨力」，后者的典型日常决策是：客户要的功能，是花时间做进核心平台，还是做个能更快交付的定制版。（Dev versus Delta，2019-04-08）

这条能力后来被固化成一个题型。面试备考类课程里普遍把它叫做「Palantir-origin decomposition / case round」，标准动作是：澄清模糊点 → 分解 → 提出一个 4 周的 scope → 点名最大的风险假设。🟡（Interview Kickstart 课程页 W22 模块描述，2026-09-01 抓取，机构自述）

1.3 早年每个 offer 都过创始人面 🟢

Nabeel Qureshi 在《Reflections on Palantir》和 Lenny's Podcast 里的记述：

• Alex Karp（CEO）不看简历，只花约 10 分钟问一些和岗位完全无关的、斜刺里来的问题，看你怎么拆解问题。Nabeel 自己有一轮是和 Karp 聊了一小时维特根斯坦。
• **Stephen Cohen（联合创始人）**的面法是当场凭空挑一个哲学话题往深里钻，探你理解力的边界——完全没法准备，本质是 vibe check。
• 新员工入职材料里包含 Peter Thiel 的斯坦福创业课笔记（CS183）。

（nabeelqu.co/reflections-on-palantir，2024-10-15；Lenny's Podcast，2025-05-11）

1.4 区分度最高的那道行为题 🟢

Nabeel 明确点名这道题「区分度极高，很多人答不上来」：

「你这辈子为了做成一件事拼过的最狠的一次是什么？为什么？」

判分不看结论，看三件事：代价（付出了什么：时间、健康、关系、钱）、自发性（是不是没人逼他）、细节密度（真拼过的人讲得出那几天的具体场景，编的人只讲得出结论和感受）。答「我工作一直挺拼的，经常加班到十一二点」的是低分——加班是被动的，拼是主动的。

1.5 招聘策略：蝙蝠信号 🟢

Palantir 故意打两极分化的旗号（"Save the Shire"，强调国防、军队、保卫西方），在人人做社交 App 的年代显得很怪，但正是这个「怪」劝退了不合的人、吸来了三类被主流硅谷低估的人才：有使命感的准创始人、退伍军人、爱国的技术人。Nabeel 的判断是排他性是特性不是缺陷，并指出今天 OpenAI / Anthropic 用「超级智能是人类最重要议题」做的是同一件事。

他还给了一个关于 FDE 画像的判断：FDE = 政治嗅觉 + 写代码速度的罕见组合。旁证是「每一届 YC 里，ex-Palantir 创始人通常比 ex-Google 多，尽管 Google 员工数量是 Palantir 的约 50 倍」。

二、OpenAI 与 Anthropic：一手门槛清楚，面试流程只有二手

2.1 一手：JD 里写死的硬门槛 🟢

（2026-09-06 自各公司公开招聘接口读取）

岗位	年限	技术要求原文摘要	其他硬约束
OpenAI · Forward Deployed Engineer	5+ 年	"Write and review production-grade code across frontend and backend using Python, JavaScript, or comparable stacks"；"Have built or deployed systems powered by LLMs or generative models and understand how model behaviour affects product experience"	旧金山 base，每周 3 天到岗，出差最高 50%
OpenAI · Forward Deployed Software Engineer	7+ 年全栈（不含实习）	"in relevant roles at tech and product-driven companies - customer-facing experience is highly desirable"；JD 中另有 "Former found…"（创始人背景）加分表述	同上
Anthropic · Forward Deployed Engineer	JD 未写死年限	职责含 "Deliver technical artifacts for customers like MCP servers, sub-agents, and agent skills"；"Maintain strong knowledge of the latest developments in LLM capabilities, implementation patterns, and AI product development stacks"	"operate autonomously, thrive under ambiguity"；可能需出差到客户现场
Anthropic · Technical Deployment Lead	JD 未写死年限	"technical enough to hold architecture conversations with engineering stakeholders and polished enough to run executive briefings with C-suite sponsors"	端到端拥有 engagement，从 SOW 到生产部署

从 JD 反推出的三条准备重点：

1. OpenAI 明写成功度量是 "production adoption, measurable workflow impact, and eval-driven feedback"——面试里被问「你怎么知道你交付的东西真的有用」的概率极高，答案必须落到采纳率与评测。
2. Anthropic 明写交付物是 MCP server、sub-agent、agent skill——这三样东西你手上得有能拿出来讲的作品。
3. 两家都把「在模糊中自主推进」写进 JD 措辞（OpenAI: "scoped and delivered complex systems in fast-moving or ambiguous environments"；Anthropic: "operate autonomously, thrive under ambiguity"），这在面试里对应的是情境题而不是知识题。

2.2 二手：面试 loop 的公开拆解 🟡

面试备考平台 Aced（原 Exponent）在其 OpenAI FDE 岗位页上给出了一个六轮 loop 的描述，周期约 3–4 周：

1. Recruiter screen，"focused on FDE-specific motivation"
2. Technical screen 或 take-home，"LLM-product flavored"
3. Coding rounds，"built on agentic and eval scenarios"
4. System design，带 "token-cost, latency, and eval-gate constraints"
5. Customer role-play，"with a simulated non-technical executive"，加行为面
6. Leadership final

该页给的建议是：「Practice the customer-facing rounds — they decide FDE offers more often than the coding does.」（练客户侧那几轮，它们决定 FDE offer 的频率高于编码轮。）

⚠️ 这是面试培训机构的整理，不是 OpenAI 官方发布。它与 JD 内容自洽（JD 确实强调 eval、客户面对面、模糊情境），但轮次数量和顺序无官方确认——../08-career/interview-prep.md 因此把这几家的面试流程整体记为「未获取一手」，只保留这里的 🟡 记录作为参考，不当结论用。同一页给出的薪资口径（base $153K–$325K）也与本库 2026-09-06 直接从 OpenAI 招聘接口读到的区间（FDE $185K–$300K、FDSWE $185K–$325K）不完全一致，说明它可能混合了不同岗位与不同时间点的数据。（tryexponent.com/jobs/fde/openai）

值得记一笔的是：Exponent 已经上线了 "Forward Deployed (Beta)" 课程，导航里与 PM / SWE / System Design 并列，文案是 "Prep for FDE loops at Anthropic, OpenAI, Palantir, and more"。这是第一个把 FDE 做成正式面试品类的备考平台——本身就是这个岗位已经标准化的信号。🟢（官网导航，2026-09-06 访问）

2.3 关于 Glassdoor / Reddit 的诚实说明 🔴

本库本轮未能取得可核实的 OpenAI / Anthropic FDE 面试亲历者一手记述。Glassdoor 与 Reddit 上流传的面试题片段无法确认发帖人身份与时间，本页不予收录。如果你看到中文文章声称「某某实验室 FDE 面试真题」，请先问它的一手出处在哪。

三、中国公司：面试形式与常见题

3.1 甲方 JD 里的素质模型 🟢

斯伯特集团（诺特兰德）《前沿部署工程师（FDE）》的「我们希望你是这样的人」六条，是中文 JD 里写得最完整的一份素质模型（原文，自公开招聘页转录，2026-08-30）：

1、不只会写代码，也愿意理解业务；2、不只做 demo，而是关注上线后有没有人真的用；3、不怕需求模糊，能从混乱里拆出结构；4、能和业务团队一起跑现场，而不是坐等需求文档；5、对 AI 有实践热情，但不迷信 AI；6、结果导向，能把问题推进到解决。

配套的两句岗位边界（同样来自公开 JD）：

• 海大集团：「你不是画原型的 PM，也不是只写论文的算法研究员——你是当场把业务问题翻译成可运行的 AI 方案、并对落地结果负责的人。」
• 上海深度智联：「不要求亲自写代码，但必须能看懂、能评审、能拍板。」

3.2 学历与年限的实际分布 🟡

来自本库对中文招聘平台 60+ 条 AI FDE 岗样本的统计（2026-08-30）：

• 学历：绝大多数写「本科」。西部证券等少数金融岗要硕士；福州鼓楼国投写「学历不限」；部分乙方接受大专。聚宽投资写「顶尖海内外名校背景优先」，Shopee 写「毕业于国内外 Top 院校」。
• 年限：1–3 年约 20%（多为乙方交付、客户成功方向），3–5 年约 40%（主力带），5–10 年约 30%，10 年以上是少数高端岗。
• 一个国企特色：福州鼓楼国投写「中共党员优先」。

3.3 中文市场正在出现的四种面试形式

形式	谁在用	具体做法	证据
现场拆解题	甲方内部选人常用	给一道公司真实存在的问题，只给一句话不给数据，让他当场拆。判分标准：他问的问题里，有几个是你自己也答不上来的（超过三个值得要）	🟢 Mars《中国 FDE 手册》公开章节
24 小时 agent 作业	2026 年新增，区分度最高	给真实场景 + 24 小时，交三样：现状调研（必须真的去问两个人）、可能解法清单（每条标明需要什么数据）、一个能跑起来的最小东西。同时要交 agent 对话记录，看他是让 AI 替他想还是让 AI 替他干	🟢 同上
5 分钟 micro-demo	Supervity FDE Trainee Program 的入学筛选	招生四步：Apply（表单 + 作品集）→ Qualify（scenario-based aptitude brief）→ Prove（15 分钟面试 + 5 分钟 micro-demo）→ Join	🟢 supervity.ai 官网，2026-09-01 抓取
Review board 答辩	NextAgile 的结业形式，自称复刻招聘评审会	官网原文："A live review board defense, the same format used to hire Forward Deployed Engineers"	🟡 nextagile.ai，机构自述

3.4 一套可以直接问出口的守关问题 🟢

中文站 FDE 百科（fdebaike.com，页面标注 Published Time: 2026-08-31）把交付方法论压缩成五个可以当场问出口的问题，每一个都可以直接当面试题用：

关	阶段	关名	守关问题（原文）
01	驻场	痛点关	「这个痛点是你亲眼看到的，还是会议室里听来的？」
02	诊断	切口关	「你选的切口是『最容易赢』，还是『老板最想赢』？」
03	搭建	原型关	「两周内，业务部门明天上班能点开用的东西在哪？」
04	交付	算账关	「省的人时、涨的产出，财务能对出账吗？」
05	赋能	自转关	「你撤场一个月后，他们自己能转起第二个场景吗？」

同一张表在 ../08-career/interview-prep.md 第 3.2 节按候选人的自查角度重排，关名与问题原文一致。

3.5 ⚠️ 一个必须处理的反对意见 🟡

「FDE」这个词在中文技术圈已经带上负面标签。职场社区里从业者的原话包括「纯乙方牛马岗位」「最坑的职位没有之一」「就是之前的解决方案工程师」。这是甲方内部岗普遍改名（叫 AI 应用工程师、AI 赋能工程师等）的直接原因之一。（来源：脉脉公开讨论，2026-08 抓取；发帖人身份无法核实，作为舆论氛围参考而非事实认定）

对面试的实际影响：如果你在面一家用「FDE」这个名字的中国公司，值得当面问清楚三件事——考核里有没有上线后的指标、你能不能拒绝一个不该做的需求、指挥你的人是自己公司还是客户。这三个问题的答案直接决定这是不是一个变相的驻场外包岗（判别依据见 what-is-an-fde.md）。

四、30 题面试题库（按四维组织）

按 competency-model.md 的四维排列。每题后括号里是这道题在考什么。面试官用法：追问到具体的时间、人名和数字为止；候选人用法：每题先写一个真实事例的提纲。

① 技术（8 题）

1. 讲一次你接手一个没有文档的陌生代码库并成功改动上线的经历。你是怎么建立理解的？（T1 陌生系统冷启动）
2. 你做过的最难的一次数据集成是什么？数据源当时是什么状态，权限问题怎么解决的？（T2 集成与脏数据）
3. 给一个你熟悉的 AI 功能建评估集：多少条起步？怎么分层？边界样本怎么找？（T3 Eval 构建）
4. 你写过 LLM-as-judge 的提示词吗？怎么验证它和人的判断一致？阈值定在哪、为什么？（T3 judge 校准——这是市场上几乎没人教的一环）
5. 讲一次你把系统部署到别人的环境（客户云、内网、隔离区）的经历。认证、密钥、数据边界怎么处理的？（T4 他人环境部署）
6. 一次真实的生产事故：你怎么定位根因、怎么发修复、怎么同时和产品团队、部署团队和客户三方沟通？（T5 事故处理）
7. 一个 agent 在生产环境里悄悄变差（不是崩溃，是输出慢慢不可靠），你怎么发现、怎么定位？（T3 + T5，AI 系统特有的失败形态）
8. 什么情况下不该用 agent？举一个你判断过的具体例子。（技术判断力，GSDC 大纲把 "When NOT to use agents" 单列为教学点）

② 业务与领域（7 题）

9. 挑一条你熟悉的业务流程，不看文档说出它的三个例外情况，以及每个例外是谁在什么时候拍板加进去的。（B1 业务肌肉记忆——本库认为区分度最高的一题）
10. 现在用一张纸画出这条流程改造前后的差异，要让非技术人员看一眼就懂。（B2 流程还原）
11. 「客服效率低」这句话，你会问出哪些可查的数字？（B3 目标折算为数据）
12. 讲一次你进入完全陌生行业的经历：前两周你干了什么，怎么补的行业常识？（B4 领域冷启动）
13. 同一个「销售额」在你们公司的三个系统里有几种算法？（B5 数据口径地图）
14. 你怎么判断一个业务方给你的痛点是他亲眼看到的，还是转述来的？（对应 FDE 百科第一关）
15. 讲一次你做的东西被人当面说「这个没法用」的经历，那次怎么回事？（业务共情与反馈接收）

③ 沟通与推进（8 题）

16. 现场演练：我用 3 分钟描述一个业务问题，你用 5 分钟把它压缩成一页纸的可执行需求。（C1 需求翻译，53AI 给的标准是 15 分钟压缩 30 分钟描述）
17. 上一次你为了搞清楚一件事，跑到不属于你的部门去问人是什么时候？后来怎么样了？（C2 组织导航）
18. 你要一份不属于你的数据，对方说「这个不能给你」。接下来你做什么？（C2 数据看门人）
19. 讲一次你把半成品拿给客户看的经历。演示中途出问题了吗，你怎么接的？（C3 半成品见人）
20. 你怎么向一位非技术高管解释「模型准确率 87%」？（C1 双向翻译，标准答案的形态是「每 100 单里有 13 单要人工兜底」）
21. 讲一次你告诉客户「这件事做不成 / 要延期 / 方案要推翻」的经历。你怎么讲的，之后关系怎么样？（C5 坏消息）
22. 你交付的东西，业务方能用自己的话把逻辑复述出来吗？你怎么确认的？（C4 交接质量，53AI 的 ITERATE 检验标准）
23. 写一段「一页纸论证」，说服产品团队把你在现场发现的一个需求纳入路线图。（Palantir DS 的标准动作，也是回流机制的入口）

④ 判断力（7 题）

24. 给一张大蓝图（「AI 全面赋能生产线」），你怎么切出第一刀？说出量化理由：影响多少人、多高频次、当前耗时多少。（J1 切口选择）
25. 给一个完整业务场景，逐节点标注执行主体：人 / AI / 自动化，每个标注说出理由。（J2 人机边界）
26. 你的方案里，有哪一个环节是你刻意不自动化的？为什么？（J3，53AI 的 RELATIONSHIP 能力，英文材料里没有对应物）
27. 这个场景该用白名单还是黑名单？兜底策略是什么？爆炸半径多大？多快能回滚？（J3 风险分级）
28. 客户要一个功能，是做进核心平台还是做个能更快交付的定制件？写出你的取舍理由。（J4，Palantir 说这个权衡每周都在发生）
29. 讲一次你在信息严重不足、时限很紧的情况下拍板的经历。当时的依据是什么，事后回看对不对？（J5 模糊中决策）
30. 你这辈子为了做成一件事拼过的最狠的一次是什么？为什么？（Palantir 原题，听代价、自发性、细节密度）

面试官使用提示

• 第 9、16、24、30 题是四根支柱，时间紧时只问这四道。
• 第 24 题的判分不看方案，看他先问问题还是先给方案。上来就说「可以用大模型做自动分类和自动回复，先做个 RAG」的，说明他在解自己熟悉的题，不是在解客户的题。
• 第 30 题必须当面做，不能视频不能书面——真假的区别在停顿里。
• 对内部培养场景，另有一条一票否决：问「让你去车间/门店跟班十天，白天跟着倒班，你怎么想」，犹豫超过五秒的不选。这不是态度问题，是他对信息来源的判断和这份工作不兼容。

五、这一页的证据空白（诚实标注）

1. 前沿实验室的面试 loop 没有一手来源。 本页第二节的六轮拆解来自面试备考平台，与 JD 自洽但未经官方确认。
2. 中国大厂（字节、美团、腾讯、滴滴）FDE 岗的具体面试形式，本轮未取得可核实的一手记述。 只有 JD 门槛可查。
3. 没有任何公开材料说明「判断力」这一维怎么打分。 现有认证考试（ADaSci 60 题、GSDC 40 题）全是选择题，对交付型岗位的评估效度存疑。第四节的判断力题目是本库按可观察行为设计的，未经大规模验证。

延伸阅读

• 本库：competency-model.md —— 题库按它的四维组织，先看模型再看题
• 本库：role-variants.md —— 你要面的那家公司属于哪个变体，门槛差别很大
• 本库：compensation-and-market.md —— 拿到 offer 之后的定价参考
• 本库：../08-career/interview-prep.md —— 同一件事的候选人视角：怎么练、怎么反问、四周准备计划。本页写「怎么打分」，那页写「怎么准备」，两页对着读
• 本库：../08-career/ —— 简历、入行路线与课程选择
• 库外：Reflections on Palantir（Nabeel Qureshi，2024-10-15）—— 面 Palantir 之前值得读完的一手长文

来源

1. Nabeel Qureshi，《Reflections on Palantir》，2024-10-15，https://nabeelqu.co/reflections-on-palantir
2. Lenny's Newsletter / Podcast，《Inside Palantir》对谈 Nabeel Qureshi，2025-05-11，https://www.lennysnewsletter.com/p/inside-palantir-nabeel-qureshi
3. Bruno Pontes Soares Rocha，《Dev versus Delta》，Palantir 官方博客，2019-04-08，https://blog.palantir.com/dev-versus-delta-demystifying-engineering-roles-at-palantir-ad44c2a6e87
4. Palantir 公开招聘接口（Lever），https://jobs.lever.co/palantir ，读取日期 2026-09-06
5. OpenAI 公开招聘接口（Ashby），FDE 岗 https://jobs.ashbyhq.com/openai/305a4b22-7ff9-4fa5-9229-c6a22c9aa64f 、FDSWE 岗 https://jobs.ashbyhq.com/openai/00207abc-49b7-465c-a219-f7c1140f8047 ，读取日期 2026-09-06
6. Anthropic 公开招聘接口（Greenhouse），Forward Deployed Engineer 与 Technical Deployment Lead 岗，读取日期 2026-09-06，https://job-boards.greenhouse.io/anthropic
7. Aced（原 Exponent），《OpenAI Forward Deployed Engineer: Salary, Interviews & More》，https://www.tryexponent.com/jobs/fde/openai ，2026-09-06 访问（面试备考平台整理，非官方）
8. Exponent，Forward Deployed (Beta) 课程，https://www.tryexponent.com/courses/forward-deployed-engineering
9. Interview Kickstart，《Forward Deployed Engineering》课程页 W22 / W23 模块描述，https://interviewkickstart.com/courses/forward-deployed-engineering ，2026-09-01 抓取（机构自述）
10. Supervity，FDE Trainee Program 招生四步，https://www.supervity.ai/fde-trainee-program ，2026-09-01 抓取
11. NextAgile，FDE Training Program「review board defense」表述，https://nextagile.ai/forward-deployed-engineer-training-program/ ，2026-09-01 抓取（机构自述）
12. 焦波（水镜），《现场五关》，FDE 百科，https://fdebaike.com/ ，页面标注 Published Time: 2026-08-31
13. 53AI，《FDE 的 12 项核心能力》，2026-08-05，https://www.53ai.com/news/Palantir/2026080567913.html
14. 任鑫（Mars），《中国 FDE 手册》fde-arsenal「画像与筛选」章节，CC-BY-4.0，https://github.com/ai-alchemy-lab/fde-arsenal/blob/main/02-方法论/培养旅程-01-画像与筛选.md
15. GSDC，《Certified Forward Deployed Engineer》模块 9「Agentic Systems & Orchestration」含 "When NOT to use agents"，https://www.gsdcouncil.org/certified-forward-deployed-engineer
16. 中文 JD 原文（斯伯特集团/诺特兰德、海大集团、上海深度智联、聚宽投资、Shopee、福州鼓楼国投等），自公开招聘页面转录，抓取日期 2026-08-30